Mapeamento de processos com IA: o passo a passo que a velha guarda já sabia

O que você vai aprender aqui

• Por que o mapeamento de processos com IA usa as mesmas técnicas de Organização e Métodos (O&M) ensinadas há décadas, com duas perguntas novas em cada tarefa.
• Um passo a passo em sete etapas, do levantamento do processo como ele é hoje até a medição do ganho.
• Como separar o que é da IA e o que é do humano cruzando dois critérios: se a regra da tarefa é clara e quanto custa o erro.
• Quando a parte da máquina vira prompt, skill, automação ou aplicativo com vibe coding, e quando a resposta é comprar uma ferramenta pronta.
• A diferença entre AI Ready, AI Driven e AI First, e a pergunta que separa acelerar um processo de eliminá-lo.
• Um roteiro de entrevista, um modelo de quadro de levantamento e um prompt prontos para copiar.

Este artigo complementa o livro gratuito Engenharia de Prompts na Prática: Do zero ao avançado com ChatGPT, Gemini e Claude, que mostra, no capítulo sobre IA no trabalho, como levar a IA da resposta rápida para o fluxo da equipe.

Um aluno me perguntou, numa aula, se estava surgindo alguma metodologia nova para mapear processos e decidir onde encaixar inteligência artificial. Respondi que não: o que ele procurava era o levantamento de requisitos e a velha Organização e Métodos. A pergunta dele é a mesma de muita gente que recebeu da diretoria a missão de “colocar IA nos processos” e nunca teve uma aula sobre como se levanta um processo.

Estudei Processamento de Dados no Mackenzie, e Organização e Métodos era disciplina do curso, como ainda é em Administração e em outras graduações da área.

Para quem passou por ela, mapeamento de processos com IA soa familiar: é o mesmo levantamento de sempre, com duas perguntas a mais em cada tarefa. Quem executa, a IA ou a pessoa? E, se for a máquina, em que formato: um prompt, uma skill, uma automação ou um aplicativo? Aqui vai um passo a passo para quem não teve essa disciplina e está sendo cobrado por resultado agora.

Por que mapear processos antes de colocar IA?

A pesquisa anual da McKinsey sobre IA, The state of AI (agosto de 2026), comparou dois grupos: as empresas que atribuem à IA pelo menos 5% do resultado operacional e todas as outras. No primeiro grupo, perto de três em cada quatro empresas redesenharam fluxos de trabalho por causa da IA; no segundo, só uma em cada quatro.

A pesquisa mostra associação e, na minha experiência, essa relação é causal: quem colhe resultado mexeu no processo, e não dá para redesenhar um processo que ninguém levantou.

Automatizar um processo mal desenhado entrega o erro mais rápido e em escala maior. Pense num time que coloca a IA para redigir e-mails de cobrança mais rápido, sem perceber que boa parte das cobranças nasce de um cadastro errado na etapa anterior. A IA começa a enviar mais e-mails indevidos; o levantamento teria mostrado a causa.

Eu uso três estágios para localizar onde está cada empresa, e cada processo dentro dela:

• AI Ready: a base está pronta antes de aplicar IA. Dado organizado, processo claro e time sabendo em quais tarefas usá-la.
• AI Driven: a IA entra nas tarefas que já existem e o processo fica mais rápido. O objetivo e a maior parte das tarefas continuam os mesmos; mudam quem executa cada tarefa e como a saída é revisada.
• AI First: o processo é repensado a partir do que a IA permite, com uma pergunta nova: ele ainda precisa existir do jeito que está?

Os passos 1 a 3 abaixo dizem se o processo está AI Ready. Os passos 4 a 7 o levam ao AI Driven. A pergunta AI First vem no fim, e na minha avaliação a maioria das empresas que se dizem AI First ainda não chegou ao AI Ready.

As técnicas de O&M que continuam valendo

Organização e Métodos é a área da administração que estuda como o trabalho está dividido entre setores e pessoas, e como cada rotina é executada. Nenhuma das técnicas abaixo foi criada para IA, e todas servem para ela.

• Entrevista: conversa com quem executa a tarefa, perguntando o que faz, com que frequência, com que ferramenta, de quem recebe e para quem entrega. Mostra o processo como a pessoa o descreve, com as exceções de que ela se lembra.
• Observação direta: acompanhar a execução real, sem perguntar. Mostra o que a pessoa faz e esquece de contar, como abrir três sistemas para conferir um único dado.
• Questionário: perguntas por escrito, respondidas por muita gente ao mesmo tempo. Serve quando a equipe é grande ou está espalhada e entrevistar todo mundo sairia caro.
• Análise de documentos: manuais e normas mostram como o processo deveria ser; e-mails, planilhas e relatórios que o processo produz mostram o que de fato saiu dele.
• Fluxograma: o desenho da sequência, com retângulos para as tarefas, losangos para as decisões e setas para o caminho. Nos anos 1990, o desenho saía à mão, com gabarito de plástico; hoje a IA monta o rascunho a partir de uma transcrição.
• Quadro de Distribuição do Trabalho: uma tabela com as atividades de um setor nas linhas, as pessoas nas colunas e, em cada célula, a tarefa e o tempo gasto nela por semana. Mostra quem está sobrecarregado, quais atividades consomem mais horas e onde há tarefa duplicada.

O Quadro de Distribuição do Trabalho é a ferramenta que mais rende no mapeamento para IA, porque já mostra para onde vão as horas de cada pessoa, tarefa por tarefa, e é por aí que a decisão de delegar começa. No mapeamento de um processo só, dá para usar uma versão em lista (uma linha por tarefa, com quem executa e as horas) e acrescentar as colunas de decisão sobre IA. O modelo está na seção “O que aplicar primeiro”.

Mapeamento de processos com IA em 7 passos

Os sete passos seguem a ordem de um levantamento de O&M e acrescentam as decisões que a IA exige a partir do quarto.

Passo 1: escolha um processo, e só um

O primeiro mapeamento não cobre a empresa inteira. Escolha um processo que passe em quatro critérios:

1. Acontece com frequência, toda semana ou todo dia.
2. Incomoda alguém: atrasa ou gera retrabalho.
3. Tem dado disponível em formato digital (e-mail, planilha, sistema, documento).
4. Um erro nele não causa dano grave nem irreversível.

O guia de identificação de oportunidades de IA do governo australiano pontua os processos por critérios parecidos (volume, repetição, dado disponível, tolerância a erro e quanto o processo custa hoje) e lembra, para os que pontuam baixo em aderência à IA, que se uma solução mais simples entrega 80% do benefício com 20% do custo, é por ela que se começa. Às vezes basta um modelo de e-mail.

Fique longe, no primeiro ciclo, de três tipos de processo: o que muda toda semana, o que vive de exceção e o que ninguém da equipe consegue descrever em voz alta do começo ao fim. Esse terceiro é o sinal mais claro de que o problema é de processo, e a IA não resolve problema de processo.

Passo 2: levante o processo como ele é hoje

O retrato de como o processo funciona hoje recebe o nome de situação atual na literatura de O&M e de “as is” (como é) no vocabulário de gestão de processos; o desenho futuro é a situação proposta, ou “to be” (como será). O erro mais comum é pular direto para o desenho futuro, sem descobrir como o processo acontece de verdade.

Combine pelo menos duas técnicas, e uma delas precisa olhar para quem executa: entrevista ou observação. Os e-mails e relatórios que o processo gera completam o retrato. Entreviste mais de uma pessoa quando mais de uma executa o processo: versões diferentes do mesmo passo apontam a exceção que ninguém documentou. Para cada etapa, registre:

1. O gatilho: o que faz a etapa começar.
2. A entrada: que dado ou documento chega.
3. A saída: o que a etapa entrega e para quem.
4. A ferramenta: sistema, planilha, e-mail ou papel.
5. As exceções: o que acontece quando a regra não se aplica.

A IA ajuda a transformar a entrevista gravada numa primeira lista de etapas. Grave a entrevista com autorização, transcreva e peça ao modelo para listar as etapas e as decisões do processo. O roteiro e o prompt estão na seção “O que aplicar primeiro”. Use a conta corporativa da ferramenta de IA aprovada pela empresa, nunca a conta pessoal, e tire da transcrição o dado pessoal de cliente ou colaborador que não for necessário ao levantamento.

O modelo só enxerga o que foi dito na entrevista, e quase sempre alguém esquece de mencionar uma exceção. Por isso o resultado volta para quem executa antes de seguir: a frase “não é bem assim” revela a exceção que faltava.

Passo 3: quebre em tarefas e meça

“Atendimento ao cliente” é um processo; “ler o e-mail”, “consultar o pedido no sistema”, “redigir a resposta” e “aprovar o reembolso” são tarefas. A decisão sobre IA acontece no nível da tarefa, nunca do processo inteiro, porque dentro de um mesmo processo há tarefas que a IA faz sozinha e tarefas que ela não deve tocar.

Monte o quadro com as tarefas do passo anterior e meça por duas semanas: quantas horas cada pessoa gasta em cada tarefa, quantas vezes cada tarefa se repete, quanto tempo o processo leva de ponta a ponta e quantas vezes algo volta para ser refeito. Uma planilha simples, preenchida por cada pessoa no fim do dia, resolve. Avise o time de que a medição olha o processo, sem avaliar as pessoas.

Essa medição é a linha de base. Sem ela, ninguém consegue provar depois que a IA ajudou, e o projeto fica parado no piloto por falta de argumento para pedir mais investimento.

Se, ao fim destes três passos, o dado não existe em formato digital ou o processo não se deixa descrever, ele ainda não está AI Ready. Arrume a base antes de seguir.

Passo 4: separe o que é da IA e o que é do humano

Para decidir quem executa, cruze dois critérios, tarefa por tarefa:

1. A regra é clara? Se a tarefa segue critério objetivo e checável (conferir se o CNPJ bate, classificar o e-mail por assunto), a ambiguidade é baixa. Se depende de interpretação (decidir se o cliente merece uma exceção), é alta.
2. Quanto custa o erro? Um rascunho errado se apaga: é erro barato. Um e-mail enviado ao cliente, um cadastro alterado e um pagamento feito não voltam e atingem quem não estava na sala: é erro caro.

Os dois critérios correspondem aos eixos de uma pesquisa do MIT sobre quando a IA pode tomar decisões: ambiguidade e risco. O estudo é de Ina Sebastian e Peter Weill, com pesquisadores da Universidade de Münster, e foi divulgado pelo MIT Sloan em setembro de 2026. Os quatro destinos abaixo são a minha adaptação dessa pesquisa para o levantamento de processos:

• Regra clara e erro barato: a IA executa sozinha, e uma pessoa confere uma amostra e toda saída fora do padrão.
• Regra clara e erro caro: a IA executa, e uma pessoa aprova cada saída antes de ela seguir adiante.
• Interpretação e erro barato: a pessoa decide, e a IA prepara opções, rascunhos e testes.
• Interpretação e erro caro: a pessoa conduz o julgamento e a decisão, e a IA apoia com análise e síntese dos dados.

Quando a dúvida persistir, troque a pergunta “o que a IA faria aqui?” por “o que um profissional experiente nessa função faria aqui?”. Se você sabe a resposta, ela vira instrução para a IA e critério de conferência. Se não sabe, procure essa pessoa antes de automatizar.

Marque o destino de cada tarefa no quadro e aponte, no fluxograma, onde fica o ponto de revisão humana. Revisão improvisada é a que ninguém faz.

Passo 5: decida o formato da parte da máquina

A tarefa que foi para a máquina ainda precisa de uma forma. Prompt, skill e aplicativo usam instruções à IA por baixo, e a automação às vezes nem precisa dela; o que muda de uma opção para outra é onde a instrução fica guardada e quem mais vai usá-la. A frequência medida no passo 3 decide se vale investir e em qual formato.

• Prompt: a instrução escrita para uma tarefa e colada no chat quando a tarefa aparece. Serve para a tarefa rara ou que você ainda está aprendendo a fazer. Se você ainda não sabe o que é um bom resultado, estude antes de transformar a tarefa em algo mais permanente.
• Skill: um pacote de instruções, com arquivos de apoio quando precisa, que a IA carrega sozinha quando a tarefa aparece e executa do jeito que você ensinou. Serve para a tarefa que se repete, segue um roteiro parecido e ainda pede algum julgamento. Você já sabe reconhecer o bom resultado, porque vive corrigindo as mesmas coisas. O passo a passo está no artigo sobre como criar skills no ChatGPT, no Claude e no Gemini.
• Automação: um fluxo com gatilho e regras fixas, sem julgamento, montado numa plataforma de automação. O contrato é assinado e, sem ninguém abrir nada, a pasta do cliente é criada, o financeiro é avisado e a reunião de início é agendada.
• Aplicativo com vibe coding: uma ferramenta própria, criada descrevendo em linguagem natural o que você quer e deixando a IA escrever o código. Serve quando pessoas fora do seu círculo imediato vão usar a ferramenta toda semana, ou quando ela precisa de tela própria e de guardar dados.

Nem toda parte da máquina precisa de IA: quando o levantamento mostra que a tarefa é regra fixa, uma automação sem IA resolve. Quando o fluxo tem um passo de interpretação no meio, como classificar um e-mail, a plataforma chama a IA naquele ponto. A automação funciona quando o processo é previsível e quebra em silêncio quando alguém renomeia um campo na origem.

O aplicativo também pede cuidado: código escrito pela IA que vai além do seu uso pessoal passa por revisão técnica antes de rodar, e alguém precisa mantê-lo. Por isso ele é a última opção da lista.

Nos meus treinamentos, a pergunta “isso vira skill ou precisa virar aplicativo?” aparece com frequência. Na minha experiência, quase todo caso que me trouxeram se resolvia com skill.

Um aplicativo tem custo de manutenção que quase ninguém coloca na conta: alguém precisa corrigir quando ele quebra e atualizar quando o sistema de origem muda. Escrevi sobre esses limites e sobre o que dá para fazer sem programador em vibe coding para não programadores.

Às vezes a resposta é comprar. O uso corporativo de IA em escala é cobrado pelo volume processado. Com volume alto e recorrente, como triar quinhentos currículos por vaga, a conta cresce junto, e uma ferramenta pronta feita para aquilo costuma sair mais barata. A skill vence no caso específico da casa e no volume baixo.

Passo 6: redesenhe o fluxo com os pontos de revisão

Com cada tarefa classificada e com formato definido, vem o redesenho de processos com IA propriamente dito: desenhe o fluxo novo. A primeira mudança está na revisão. No processo manual, a pessoa conferia linha por linha a própria saída. Nas tarefas em que a IA executa sozinha, a pessoa confere uma amostra e toda saída fora do padrão; nas de erro caro, aprova uma a uma. Se ninguém dimensionar a revisão, ela vira o novo gargalo, porque a IA produz mais rápido do que qualquer pessoa consegue conferir.

A segunda está nas passagens entre máquina e pessoa. Para cada ponto em que a IA entrega trabalho a alguém, o fluxo precisa dizer quem recebe e o que essa pessoa faz quando a saída está errada.

Quando a parte da máquina é um agente, que decide os próprios passos e usa ferramentas por conta própria, essa definição pesa ainda mais; escrevi sobre até onde deixar um agente decidir sozinho.

Antes de implantar, apresente o desenho novo a quem executa o processo. A apresentação precisa deixar claro que cada pessoa continua com um papel no processo novo: qual tarefa sai da mesa dela, qual entra no lugar e como o trabalho novo vai ser reconhecido.

Já ouvi em turma de treinamento a frase “vou treinar a IA para fazer o que eu faço e, antes que me mandem embora, já arranjei outra coisa”. O funcionário mais eficiente é o primeiro a perceber quando um fluxo parece substituí-lo. Se chegar a essa conclusão, ele procura outro emprego e vai embora levando a inteligência do processo, justamente o que o levantamento tentou registrar.

Passo 7: meça, documente e escale

Depois de rodar o processo novo por pelo menos o mesmo período da linha de base, compare os mesmos indicadores do passo 3: horas gastas, prazo de ponta a ponta e retrabalho. O número de acessos à ferramenta, de licenças ativas e de comandos enviados mostra uso, e não resultado.

Do lado do custo, some licença, horas de revisão e manutenção do que foi construído. Hora liberada só vira ganho quando é usada em outra coisa que a empresa valoriza.

A McKinsey, no artigo How to close the agentic adoption gap, descreve o padrão das transformações com agentes de IA que deram certo: para cada dólar em tecnologia, três em redesenho de processo e cinco em capacitação e adoção. O mesmo texto diz que a maioria das empresas inverte a conta e põe a maior parte da atenção na ferramenta.

Documente o que funcionou (a instrução, a skill, o fluxo, o ponto de revisão) e só então leve para outras equipes que fazem a mesma tarefa. As horas economizadas por pessoa, multiplicadas pelas pessoas que executam a mesma tarefa e descontado o custo, dão a projeção de ganho que sustenta o pedido de orçamento para o próximo processo.

A pergunta AI First: esse processo ainda precisa existir?

Os sete passos levam um processo até o AI Driven, o que já é mais do que a maioria das empresas tem hoje. Perguntar se uma atividade precisa existir é antigo em O&M. A IA amplia as respostas possíveis, porque o objetivo do processo pode ser atingido de um jeito que antes não existia.

Para testar em que estágio o processo está, imagine que a IA sumiu amanhã. Se o time voltasse a fazer as mesmas tarefas, só mais devagar, o processo é AI Driven. Se tivesse de reconstruir um processo que não existe mais, ele é AI First, porque entrega o resultado de um jeito que sem a IA não seria possível.

Pense num relatório mensal de vendas que levava dois dias para ficar pronto. Se a IA monta o mesmo relatório em dez minutos, o processo é AI Driven. Se cada gestor consulta os números da própria carteira em linguagem natural, na hora em que precisa, o relatório deixa de existir e o processo é AI First: a informação chega a quem decide sem esperar o fim do mês.

Pular o AI Driven para chegar direto ao AI First raramente funciona. O time que ainda não usou IA no trabalho do dia a dia não tem repertório para imaginar um processo novo com ela. Escrevi sobre essa passagem do ponto de vista da carreira no artigo de AI Driven a AI First.

O que aplicar primeiro

Escolha um processo da sua área que passe nos quatro critérios do passo 1 e faça o passo 2, o levantamento, nesta semana; o passo 3, a medição, ocupa as duas semanas seguintes. Não decida nada sobre IA ainda. Com o processo levantado e a linha de base na mão, volte aos passos 4 e 5; é esse material que você leva para a diretoria.

Roteiro de entrevista, para usar com quem executa o processo:

1. O que faz essa etapa começar? Quem ou o que dá o aviso?
2. O que você recebe para trabalhar, e de quem?
3. O que você faz, passo a passo, da primeira à última ação?
4. Quais sistemas, planilhas ou documentos você abre?
5. O que você entrega no fim, e para quem?
6. Quantas vezes por semana isso acontece, e quanto tempo leva cada vez?
7. O que acontece quando algo chega errado ou fora do padrão?
8. Qual parte você faria de outro jeito, se pudesse?

Modelo de quadro de levantamento com as colunas de IA: monte uma planilha com uma coluna para cada linha da tabela abaixo e uma linha para cada tarefa. As colunas de “Regra clara?” em diante ficam vazias até os passos 4 e 5.

Prompt para transformar a transcrição de uma entrevista em levantamento, escrito com os seis elementos do método PACREF (persona, ação, contexto, referências, estrutura e formato). Anexe a transcrição e cole:

Persona: atue como analista de Organização e Métodos com experiência em levantamento de processos.
Ação: liste as etapas do processo descrito na transcrição, na ordem em que acontecem.
Contexto: a transcrição é de uma entrevista com a pessoa que executa o processo hoje. O objetivo é decidir depois quais etapas podem ir para a inteligência artificial, então preciso do processo como ele é, e não como deveria ser.
Referências: use só a transcrição anexada. Não invente etapa que não aparece nela.
Estrutura: primeiro uma tabela com as colunas etapa, gatilho, entrada, saída, ferramenta usada e exceções mencionadas. Depois, a sequência das etapas em lista numerada, com as decisões marcadas como "se... então...". Por último, uma lista de perguntas para uma segunda entrevista, cobrindo o que ficou vago ou contraditório.
Formato: quando uma informação não estiver clara, escreva "não informado" na célula e inclua a dúvida na lista de perguntas. Linguagem simples, sem jargão técnico.

A lista de perguntas que o prompt pede no fim aponta os trechos vagos e contraditórios da entrevista, onde as exceções se escondem.

Se o tema conversa com a sua trajetória, a página de cursos reúne as turmas abertas da minha curadoria na ESPM.

Perguntas frequentes

O que é mapeamento de processos com IA?

É o levantamento de como um trabalho acontece hoje, tarefa por tarefa, feito para decidir onde a inteligência artificial entra, o que continua com as pessoas e onde fica o ponto de revisão. As técnicas são as de Organização e Métodos (O&M), como entrevista, observação e fluxograma; o que muda são duas perguntas feitas em cada tarefa: quem executa, e em que formato a parte da máquina vai existir.

Existe uma metodologia nova para mapear processos para IA?

Não é preciso uma metodologia nova. Entrevista, observação, questionário, análise de documentos, fluxograma e Quadro de Distribuição do Trabalho continuam valendo. O que a IA acrescenta são colunas de decisão no quadro de levantamento: se cada tarefa fica com a IA, com a pessoa ou com as duas, e o formato da parte que vai para a máquina.

Como saber qual tarefa a IA pode fazer e qual deve ficar com o humano?

Cruze dois critérios: se a regra da tarefa é clara e quanto custa o erro. Regra clara e erro barato: a IA executa e uma pessoa confere por amostragem. Regra clara e erro caro: a IA executa e uma pessoa aprova cada saída. Interpretação e erro barato: a pessoa decide com opções preparadas pela IA. Interpretação e erro caro: a pessoa conduz, e a IA apoia com análise dos dados.

Quando usar prompt, skill, automação ou aplicativo com vibe coding?

O prompt serve para a tarefa rara ou que você ainda está aprendendo. A skill, para a tarefa que se repete, segue roteiro parecido, ainda pede julgamento e já tem critério de bom resultado. A automação, para um gatilho com regras fixas, sem julgamento. O aplicativo com vibe coding, quando pessoas fora do seu círculo imediato vão usar a ferramenta toda semana, ou quando ela precisa de tela própria e de guardar dados. Com volume alto e recorrente, compare o custo com uma ferramenta pronta.

Qual a diferença entre AI Ready, AI Driven e AI First?

AI Ready é ter a base pronta antes de aplicar IA: dado organizado, processo claro e time sabendo em quais tarefas usá-la. AI Driven é colocar a IA nas tarefas que já existem para o processo ficar mais rápido. AI First é repensar o processo a partir do que a IA permite, perguntando se ele ainda precisa existir do jeito que está.

Qual processo escolher para o primeiro mapeamento com IA?

Um processo que se repete com frequência, que incomoda quem executa ou quem recebe, que tem dado disponível em formato digital e em que um erro não causa dano grave. Evite o processo que muda toda semana, que vive de exceção ou que ninguém da equipe consegue descrever em voz alta do começo ao fim.

Posso usar dados da empresa no ChatGPT para mapear processos?

Use a conta corporativa da ferramenta de IA aprovada pela empresa, nunca a conta pessoal. Antes de enviar uma transcrição de entrevista ou um documento, tire o dado pessoal de cliente ou colaborador que não for necessário ao levantamento, como nome, documento, salário ou dado de saúde.

Como medir se a IA melhorou o processo?

Meça antes de mexer: duas semanas de horas gastas por tarefa, prazo de ponta a ponta e retrabalho. Depois de rodar o processo novo por pelo menos o mesmo período, compare os mesmos indicadores e desconte licença, horas de revisão e manutenção. O número de acessos à ferramenta e de comandos enviados mostra uso, e não resultado.

Edney “InterNey” Souza atua com tecnologia desde 1990 como professor, palestrante e conselheiro em IA, dados e inovação. Participou da criação de sete startups ao longo da carreira. É professor na ESPM, Insper, PUCRS, USP e IBGC. É autor do livro gratuito Engenharia de Prompts na Prática: Do zero ao avançado com ChatGPT, Gemini e Claude.